Presentación de PowerPoint - EXECUTIVE FORUM

Bike sharingSolución de movilidad urbana inteligente

02

Approach FS

03

Caso Bicing

04

Wrap up

01

Bike sharing

Contexto

3

En 2050 más de dos tercios de la población vivirá en ciudades

Aumento progresivo de población en las ciudades

Incremento del uso de la bici eléctrica compartida como alternativa sostenible a la movilidad urbana

Compartidas- vehículos en las calles

Eléctricas+ sostenibles + ecológicas

Digitales+certeza +inmediatez

Saludables+ágiles y vitales

Bike sharing. Solución movilidad urbana inteligente

Contexto EspañaBike sharing. Solución movilidad urbana inteligente

25.000de bicis públicas en el España

53sistemas en España

Número de bicis públicas en España Número de sistemas de bike-sharing en España

22.500

25.50025.250

24.000

25.000

2014 2015 2016 2017 2018

6560

55 54 53

2014 2015 2016 2017 2018

4

• Número de bicis públicas es España aumenta reduciéndose el número de sistemas.

• Tendencia a incrementar áreas (bicis y estaciones) en las renovaciones de los sistemas.

• Consolidación y crecimiento de los sistemas eficientes.

Contexto. Modelo

5


Riesgo demanda Canon por servicio Mixto

Características CaracterísticasCaracterísticas

• Ingresos por uso, abonos y publicidad.

• Publicidad se incluye dentro del alcance.

• Cesión del suelo y responsabilidad total del adjudicatario sobre los resultados.

• No se entiende como servicio público.

• Ingresos por canon y por demanda.

• La publicidad como vía de ingresos adicional.

• Dependiendo del peso del canon es considerado un servicio de transporte público.

• Ingresos por canon.

• La publicidad como vía de ingresos adicional.

• Generalmente, mejor experiencia de usuario.

• La ciudad entiende el bike sharing como servicio al ciudadano.

03

Caso Bicing

04

Wrap up

01

Bike sharing

02

Approach FS

Approach FSBike sharing. Solución movilidad urbana inteligente

7

• Colaboración con la Ciudad

• Complementariedad

• Operaciones como core business

• Servicios digitales. Tecnología palanca

• B2G. Foco en el ciudadano. B2G2C

• Mejora operativa basada en datos

Bike sharing como servicio al ciudadano

PBSC como socio estratégico

Excelencia operativa. KPIs para medir resultados

Transición de capacidades y perfiles en FS

Servicios con alto peso del usuario final

Analítica de datos como pieza fundamental

Approach FSBike sharing. Solución movilidad urbana inteligente

8

Equipo de datos multidisciplinar

Open data

Fase de licitación

Fase de implantación

Fase de operaciones

• Conocer usos reales

• Entender flujos de movimiento

• Dimensionar operaciones

• Clave para la transición

• Planificación instalación de estaciones

• Primeros datos

• Movimientos de recolocación

• Decisiones en tiempo real

• Cumplimiento de KPIs

• Eficiencia operativa

Datos propios generados

04

Wrap up

01

Bike sharing

02

Approach FS

03

Caso Bicing

Caso Bicing

10


7000bicicletas

10años + 5 prórroga

173Trabajadores

519estaciones

142M€ingresos

Cliente Gestión

6000mecánicas

1000eléctricas

Transición a más e-bikes en función de la usabilidad. Toma de decisión en base a datos en tiempo real

Datos del servicio

+114.020 *usuarios

1.034.687 *usos mensuales

* Datos Ene 2020

Uso de la bicicleta

27,9mintiempo medio de viaje

361,95km * recorrido por bici al mes

10,59media de uso por bici eléctrica/día

6,28media de uso por bici eléctrica/día

Caso Bicing. SoluciónBike sharing. Solución movilidad urbana inteligente

• Nuestro producto:

• Bicicletas eléctricas y mecánicas.

• Estaciones modulares y mixtas.

• Sistema antivandálico.

• Eficiencia operativa.

• Plataforma tecnológica usabilidad probada.

• Analítica de datos.

11

32Km/h

60Km autonomía

Caso Bicing. Operaciones

12


• 38 vehículos con remolque de diseño propio, para circular

por las calles estrechas de Barcelona.

• Vehículos evolucionados en función a los datos recogidos.

Oficinas centrales | Talleres | Almacén

C/ Rafael Barradas, Hospitalet de Llobregat

Central logística operativa | Parking flota

C/ Venezuela, Barcelona

100%Vehículos eléctricos

Caso Bicing. Analítica de datos

13


Análisis de datos en la preparación de la licitación:

• Plan de negocio de la licitación.

• Dimensionar las operaciones >>> localización de las bases.

• Capacidad de entender la estrategia de terceros en otras ciudades. Open

data.

• Posibles propuestas alternativas para situar estaciones.

Información visual sobre:

• Uso que se hace de la estación por horas y días.

• Análisis de las estaciones más o menos utilizadas.

• Flujos de movimiento.

Operaciones

14

Análisis de datos (I)


15


Análisis de datos en la instalación del sistema:

• Estrategia de co-habitación. Reto del contrato.

• Planificación y coordinación con operador saliente y Ayuntamiento.

• Medición de KPIs y niveles de actuación durante el proceso.

Impacto real:

• Aprendizaje continuo y base de datos >>> homogenización de calidad.

• Recogida de aguas pluviales.

• Arquetas y pozos de registro.

• Conexión eléctrica de acera a vial.


16


8estaciones/ día

424estaciones a sustituir

3 mesesplazo de ejecución

Implantación del sistema

Análisis de datos en la operación del servicio:

• Dashboard con toda la información almacenada en backend.

• Disponibilidad de las estaciones y de las bicicletas.

• Información financiera.

• Información de usuarios y operadores. Números totales de usos.

• Rutas y equipos rebalanceo de bicicletas.

• Comportamiento predictivo dependiendo del día de la semana.

• Toma de decisiones con información real en tiempo real >>> flexibilidad.

Impacto real:

• Medición y control KPIs operativos.

• Análisis predictivos sobre el uso de las estaciones.


17


Impacto real de la IA:

• Herramientas de software para optimizar la analítica de datos.

• Herramientas de machine learning.

• Capacidad de incluir análisis externos para ver patrones:

• Open data.

• Meteorlogía.

• Comportamientos e-commerce/eventos.

• Predicción de la demanda y optimización de la operación.

Impacto real:

• Disminución del número de casos donde las estaciones se quedan

ocupadas o vacías al 100%. KPI de contrato.

Caso Bicing. Inteligencia Artifical

19


01

Bike sharing

02

Approach FS

03

Caso Bicing

04

Wrap up

Wrap-upBike sharing. Solución movilidad urbana inteligente

21

• Primeros contratos con datos en tiempo real >>> Toma de decisiones.

• Flexibilidad para corregir y adaptar el sistema.

• Permite mantener al usuario en el centro al conocer su respuesta.

• Datos/IA clave para optimizar servicios con alta carga operativa.

• Impacto en todo el ciclo del servicio: preparación de la oferta,

implementación y operación del sistema de bike sharing.

• Palanca para tener ventaja competitiva. Retorno probado y medible en

contratos en servicio.

Roadmap:

• Identificación de ciudades más propicias a que sea un sistema exitoso.

• En base a datos, trabajar propuestas de manera proactiva con las

ciudades.

GRACIAS

Bike sharingSolución de movilidad urbana inteligente

Presentación de PowerPoint - EXECUTIVE FORUM

Documents

Transcript of Presentación de PowerPoint - EXECUTIVE FORUM